使用无标签表面增强的拉曼光谱和深度学习算法对病毒共感染进行多重检测和量化
Yanjun Yang1, Jiaheng Cui2, Amit Kumar1
1Department of Physics and Astronomy, Franklin College of Arts and Sciences, The University of Georgia, Athens, Georgia 30602, United States.
ACS sensors
|January 28, 2025
概括
这项研究引入了一个快速的,无标签的诊断平台,用于检测使用表面增强拉曼散射 (SERS) 和深度学习的多种呼吸道病毒. 该技术可以在15分钟内准确识别共感染并量化病毒度.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术纳米技术
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 准确识别呼吸道病毒对于有效的诊断和管理至关重要.
- 由于同时检测病原体的复杂性,共同感染带来了诊断挑战.
研究的目的:
- 开发一个快速的,无标签的诊断平台,同时检测和量化呼吸道病毒共感染.
- 将表面增强的拉曼散射 (SERS) 与深度学习相结合,以提高诊断能力.
主要方法:
- 采用覆盖的银纳米基板阵列基板,用于敏感的SERS信号生成.
- 从11个单个病毒和唾液中的各种多病毒混合物中收集了超过120万个SERS光谱.
- 开发了一个深度学习模型,MultiplexCR,用于从SERS光谱同时识别病毒物种和预测度.
主要成果:
- 多重复合CR模型在分类病毒共感染方面实现了98.6%的准确性.
- 证明病毒度回归的低平均绝对误差为0.028.
- 该SERS-MultiplexCR平台在盲测试中提供了准确的结果,在15分钟内完成检测.
结论:
- 该SERS-MultiplexCR平台为诊断呼吸道病毒共感染提供了一个高度准确和快速的解决方案.
- 这项技术在临床诊断和在食品安全和环境监测领域的更广泛应用方面具有重大潜力.


